Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 11

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  swarm algorithm
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Metody śledzenia punktu MPP modułu fotowoltaicznego
PL
W pracy przedstawiono metody śledzenia punktu mocy maksymalnej (MPPT) modułu fotowoltaicznego (PV) pracującego w warunkach zmiennego promieniowania słonecznego i temperatury otoczenia. Do wyznaczania położenia punktu mocy maksymalnej (MPP) dla modułu PV wykorzystano metody inteligencji obliczeniowej. Aby zoptymalizować jakość śledzenia tego punktu, opracowano metodę sterowania ślizgowego przekształtnikiem DC/DC która wykorzystuje możliwość regulacji prądu przekształtnika. Opracowane metody z powodzeniem wykorzystano w badaniu symulacyjnym metod MPPT modułu PV w warunkach szybkich zmian wartości natężenia promieniowania słonecznego i temperatury modułu.
EN
This paper presents methods for tracking the maximum power point (MPPT) of a photovoltaic (PV) module operating under varying solar radiation and ambient temperature conditions. Computational intelligence methods were used to determine the position of the PV module's maximum power point (MPP). To optimize the quality of MPP tracking, a sliding control method for the DC/DC converter was developed that takes advantage of the converter's current control capability. The developed methods were successfully used in a simulation study of the MPPT methods of the PV module under conditions of rapid changes in the solar irradiance and temperature of the module.
2
Content available remote Behaviour of unmanned aircraft in formation
EN
For the described model of the dynamics of the unmanned aircraft, made in the Matlab/Simulink environment, an innovative method of controlling the UAV formation and the laws of dynamics governing the complex system were presented. The software implementation of the UAV model shows the process of building the system and selecting the settings of MPC, PID and LQR regulators. The proposed swarming algorithm is based on measuring mutual distances and bearings between individual aircraft. The correctness of the algorithm's operation was tested in a simulation manner with the use of a large list of characteristics. The article also includes an analysis of the influence of measurement uncertainty on the formation behaviour in flight.
PL
Dla opisanego modelu dynamiki bezzałogowego statku powietrznego, wykonanego w środowisku Matlab/Simulink, przedstawiona została nowatorska metoda sterowania formacją BSP oraz prawa dynamiki rządzące układem złożonym. Implementacja programowa modelu BSP ukazuje proces budowy układu oraz doboru nastaw regulatorów MPC, PID oraz LQR. Zaproponowany algorytm rojowy bazuje na pomiarze wzajemnych odległości oraz namiarów między poszczególnymi statkami powietrznymi. Poprawność działania algorytmu została sprawdzona w sposób symulacyjny z wykorzystaniem licznego zestawienia charakterystyk. Artykuł zawiera także analizę wpływu niepewności pomiarów na zachowanie formacji w locie.
EN
This paper describes an attempt of implementing physical parameters into a virtual swarm algorithm solution. It defines which physical parameters of the single object need to be known to properly transfer a virtual algorithm into a physical system. Considerations have been based on a stochastic movement swarm performing a coverage task. Time to finish the task and energy consumptions were measured for different numbers of drones in a swarm allowing to designate an optimal size of the swarm. Additional tests for changing variables allowed us to determine their impact on the swarm performance. The presented algorithm is a discrete-time solution, and every test is divided into steps. Positions of the drones are calculated only in time corresponding to these steps. Their position is unknown between these steps and the algorithm does not check if the paths of two drones cross between subsequent positions. The lower the time interval, the more precise results, but simulating the test requires more computing power. Further work should consider the smallest possible time intervals or additional feature to check if the paths of the drones do not cross.
PL
W artykule opisano próbę implementacji parametrów fizycznych do rozwiązania algorytmu wirtualnego roju. Określono, które parametry fizyczne pojedynczego obiektu muszą być znane, aby poprawnie przenieść wirtualny algorytm do systemu fizycznego. Rozważania oparto na stochastycznym roju ruchu wykonującym zadanie przeszukiwania. Zmierzono czas wykonania zadania i zużycie energii dla różnej liczby dronów w roju, co pozwoliło na wyznaczenie optymalnej wielkości roju. Dodatkowe testy zmieniających się zmiennych pozwoliły określić ich wpływ na wydajność roju. Przedstawiony algorytm jest rozwiązaniem dyskretnym i z każdym testem jest podzielony na kroki. Pozycje dronów są obliczane tylko w czasie odpowiadającym tym krokom. Ich pozycja między tymi krokami jest nieznana, a algorytm nie sprawdza, czy ścieżki dwóch dronów przecinają się między kolejnymi pozycjami. Im krótszy odstęp czasu, tym dokładniejsze wyniki, ale symulacja testu wymaga większej mocy obliczeniowej. Dalsze prace powinny uwzględniać możliwie najmniejsze odstępy czasu lub dodatkową funkcję do sprawdzenia jeśli ścieżki dronów się nie przecinają.
EN
The article presents the use of swarming algorithms in selecting the heat transfer coefficient, taking into account the boundary condition of the IV types. Numerical calculations were made using the proprietary TalyFEM program and classic form of swarming algorithms. A function was also used for the calculations, which, during the calculation, determined the error of the approximate solution and was minimalised using a pair of individually employed algorithms, namely artificial bee colony (ABC) and ant colony optimisation (ACO). The tests were carried out to select the heat transfer coefficient from one range. Describing the geometry for a mesh of 408 fine elements with 214 nodes, the research carried out presents two squares (one on top of the other) separated by a heat transfer layer with a κ coefficient. A type III boundary condition was established on the right and left of both edges. The upper and lower edges were isolated, and a type IV boundary condition with imperfect contact was established between the squares. Calculations were made for ABC and ACO, respectively, for populations equal to 20, 40 and 60 individuals and 2, 6 and 12 iterations. In addition, in each case, 0%, 1%, 2% and 5% noise of the reference values were also considered. The obtained results are satisfactory and very close to the reference values of the κ parameter. The obtained results demonstrate the possibility of using artificial intelligence (AI) algorithms to reconstruct the IV type boundary condition value during heat conduction modelling.
PL
Porównianie skuteczności nowych metod optymalizacji roju w porównaniu z metodami znanymi w dziedzinie. Inspirowane naturą algorytmy metaheurystyczne stają się coraz bardziej popularne w rozwiązywaniu problemów optymalizacyjnych. Dzięki ich popularności niemal codziennie możemy zobaczyć nowepodejścia i proponowane rozwiązania. W tym artykule przedstawię porównanie, które pokaże kilka najnowszychprac z tej dziedziny w porównaniu z niektórymi algorytmami traktowanymi jako podstawa dziedziny. Głównymcelem było porównanie ostatnio wprowadzonych algorytmów roju i określenie, kiedy nowe rozwiązania są faktycznie szybsze i bardziej precyzyjne. Podsumowując, czy przetestowane nowe podejścia są lepsze niż obecne,dobrze znane i ugruntowane w terenie algorytmy. Algorytmy brane pod uwagę w tej pracy to: Particle SwarmOptimization [5], Artifical Bee Colony [3], Elephant Herding Optimization [7], Whale Optimization [4] i Gras-shopper Optimization [6].Algorytmy uznawane za nowe w tej dziedzinie porównano z dwoma popularnymi idobrze znanymi algorytmami metaheurystycznymi pod względem dokładności znalezionych rozwiązań i szybkości. Zgodnie z wynikami eksperymentów większość porównywanych nowych algorytmów dawała zadowalającewyniki w użytkowaniu.
EN
Comparing the effectiveness of new methods of swarm optimization in comparison with knownmethods. Nature-inspired metaheuristic algorithms are becoming more and more popular in solving optimization problems. Thanks to their popularity, we can see new approaches and proposed solutions almost everyday. In this article, I will present a comparison that will show some of the most recent works in this fieldcompared to some algorithms considered as the basis of the field. The main goal was to compare the recently introduced swarm algorithms and determine when new solutions are actually faster and more precise. Inconclusion, are the new approaches tested better than the current, well-known and field-grounded algorithms?The algorithms considered in this paper are Particle Swarm Optimization, Artifical Bee Colony, Elephant Herding Optimization, Whale Optimization, and Grasshopper Optimization. Algorithms considered new inthis field were compared with two popular and well-known metaheuristic algorithms in terms of accuracy ofsolutions found and speed. According to the experimental results, most of the compared new algorithms gave satisfactory results in use.
PL
W artykule zaproponowano metodę optymalizacji trójkryterialnej harmonogramów powtarzalnych procesów budowlanych. Ze względu na trudności w projektowaniu realizacji tego typu przedsięwzięć z wykorzystaniem klasycznych narzędzi i metod zaproponowano wykorzystanie algorytmów rojowych do znajdowania niezdominowanych rozwiązań problemu. Zaprezentowano także przykład zastosowania algorytmu optymalizacji rojem cząstek do opracowania harmonogramu realizacji powtarzalnych procesów budowlanych i doboru brygad roboczych w celu minimalizacji czasu realizacji przedsięwzięcia i poszczególnych obiektów lub działek roboczych oraz przestojów w pracy brygad.
EN
This paper proposes a method for tri-criteria optimization of schedules of repetitive construction processes. Due to the difficulties in designing the implementation of such projects using classical tools and methods, the use of swarm algorithms for finding non-dominated solutions to the problem was proposed. An example of the application of the particle swarm optimization algorithm to the development of a schedule for the realization of repetitive construction processes and the selection of work crews in order to minimize the execution time of the project and individual objects or work units as well as downtime in the work crews is also presented.
EN
This article presents an authorial swarm algorithm that performs coverage tasks using the Sweep Coverage method. The presented solution assumes stochastic movement of the objects in the swarm which allows them to be simple ones. Our goal was to find an optimal number of objects in the swarm. The main evaluated factors are time and energy consumption. Changing input data allowed us to designate different cases and to examine the influence of varying parameters of a single boid on a whole swarm behaviour.
PL
W artykule przedstawiono metody znalezienia optymalnej wielkości roju dla danego zadania. Głównymi ocenianymi czynnikami są czas i zużycie energii. Autorskie rozwiązanie algorytmiczne pozwoliło na wyznaczenie różnych przypadków i zbadanie wpływu różnych parametrów pojedynczego boida na zachowanie całego roju. Obliczenie efektywności energetycznej pozwoliło na wyznaczenie dodatkowych informacji o optymalizacji liczby boidów w roju. Wyniki pokazują, że można ocenić najlepsze rozwiązania dla określonych założeń. Można znaleźć, jaka liczba boidów wykonałaby zadanie w jak najkrótszym czasie przy założonej energooszczędności. Można również znaleźć grupę z najlepszym czasem do uzyskania wskaźnika efektywności energetycznej, która wykonałaby zadanie przy najlepszej kombinacji najkrótszego czasu i zużytej energii. Dodatkowe testy ze zmieniającymi się zmiennymi pozwoliły określić ich wpływ na wynik. Wykazano, że prędkość i bezpieczna odległość są ze sobą połączone, ale zmiana prędkości jest bardziej znacząca dla mniejszych rojów, gdy zmiana bezpiecznej odległości ma większy wpływ na liczniejsze grupy. Wynika z tego, że dla małych grup lepsze są szybsze boidy, a dla liczniejszych rojów bardziej przydatne byłyby boidy, które mogą poruszać się bliżej. Zmienianie promienia obszaru skanowanego na każdym kroku wpływa na ogólną wydajność, ale prawie nie ma wpływu na efektywność energetyczną roju.
PL
Celem artykułu była analiza wielokryterialnego podejścia do planowania sieci łączności bezprzewodowej WLAN (Wireless Local Area Network) IEEE 802.11b/g z wykorzystaniem wybranych rojowych algorytmów optymalizacji. W procesie poszukiwania ekstremów wybranych dwóch i więcej funkcji kryterialnych zastosowano dwa algorytmy rojowe: kukułki MOCS (Multi Objective Cuckoo Search) oraz optymalizacji rojem cząstek MOPSO (Multi Objective Particle Swarm Optimisation). Dodatkowo, zaproponowano wykorzystanie oceny globalnej uzyskanych rozwiązań z zastosowaniem Metody Unitaryzacji Zerowanej MUZ.
EN
The aim of the article is analyze the multicriteria approach to IEEE 802.11b/g wireless LAN planning using selected swarm optimization methods. For this purpose, in the search extremes for two and three objective functions that applied two swarm algorithms: MOCS and MOPSO. In addition, it was proposed to perform a global assessment of solutions using the zero unitarisation method MUZ, the best results were furtheranalysed with performance metric (PM).
EN
Perspectives of development of control system dedicated for areas threatened by methane and/or coal dust explosion hazard are presented. Development of self-powered sensors, dedicated for operation in wireless network is one of the development directions. Such a solution will complement typical control systems and it can be used in the places, where there is no possibility of using the typical sensors, in close vicinity to the machine – due to lack of wired connection. General concept of the self-powered sensors with use of two methods of power supply – piezoelectric energy harvester and thermoelectric generator, is given. Perspective of using the methods of artificial intelligence in automatic configuration of sensors network is suggested.
PL
W artykule przedstawiono perspektywy rozwoju systemów sterowania dedykowanych do przestrzeni zagrożonych wybuchem metanu i/lub pyłu węglowego. Jednym z kierunków rozwoju tych systemów jest opracowanie systemu czujników samozasilających, dedykowanych do pracy w sieciach bezprzewodowych. Rozwiązanie takie będzie stanowić uzupełnienie typowych układów sterowania, możliwe do zastosowania w miejscach, w których nie istnieje możliwość zainstalowania czujników konwencjonalnych lub w bezpośrednim otoczeniu maszyny, w przypadku braku możliwości połączenia przewodowego. W artykule została przedstawiona ogólna koncepcja sieci czujników samozasilających z uwzględnieniem dwóch metod zasilania – z zastosowaniem piezoelectric energy harvester (odzysk energii z użyciem piezoelektryków) oraz termogeneratorów. Przedstawiona została również perspektywa zastosowania metod sztucznej inteligencji w automatycznej konfiguracji złożonej sieci komunikacyjnej obejmującej przedmiotowe oczujnikowanie.
PL
Techniki Internetu Rzeczy (IoT – Internet of Things) oraz komunikacji bezpośredniej Maszyna do Maszyny (M2M - Machine to Machine) coraz mocniej wpływają na strukturę i funkcjonalność systemów sterowania stosowanych w maszynach, kształtując przy tym ideę Przemysłu 4.0 (Industry 4.0). Systemy sterowania zgodne z IoT wykorzystują sieci komunikacyjne, często o dużym stopniu komplikacji, łącząc poszczególne podzespoły, moduły, elementy wykonawcze i sensory. W artykule przedstawiono zagadnienie symulacji samoorganizacji ścieżek komunikacyjnych (trasowanie, routing) w złożonej sieci sensorycznej monitorującej działanie krążników przenośnika taśmowego. Poszczególne sensory tworzące sieć są niezależne i wyposażone w elektroniczny układ pomiarowy oraz transmisyjny MTU (Measuring and Transmitting Unit). W celu utworzenia i optymalizacji ścieżek transmisyjnych, w proponowanej strukturze komunikacyjnej, zaproponowano algorytm klasy SA (Swarm Algorithm) bazujący na zachowaniu roju.
EN
Assumptions of an IoT (Internet of Things) and direct communication M2M (Machine to Machine) got strong influence on the structure and functionality of the control systems of machines, shaping at once an idea of the Industry 4.0 (Industry 4.0). All control systems, in accordance with the IoT, use communication networks, often with a high degree of complexity, combining the various components, modules, actuators and sensors. The paper presents the simulation problem of self-organization communication paths in a complex network of sensory monitoring of operation of the conveyor belt rollers, in which each sensor is equipped with an independent, electronic measuring and transmission unit (MTU). In order to create and optimize the communication structure an algorithm of class SA (Swarm Algorithm), based on the behavior of the swarm, was proposed.
PL
W artykule przedstawiono sposób ukierunkowania przeszukiwania przestrzeni rozwiązań, wykorzystujący warunkową wartość oczekiwaną funkcji celu rozwiązań częściowo ustalonych. Teoretyczne podstawy dotyczące wartości oczekiwanej opracowano dla szerokiej klasy zagadnień permutacyjnych, których przykładem są TSP (zagadnienie komiwojażera), czy rozważane zagadnienie testowe QAP (kwadratowe zagadnienie przydziału) - należące do NP-trudnych problemów optymalizacji dyskretnej. Zastosowanym algorytmem rojowym jest algorytm pszczeli, ale powyższe podejście może być również wykorzystane w algorytmach mrówkowych. Przedstawione wyniki badań eksperymentalnych dla standardowych zagadnień testowych zaczerpniętych z biblioteki QAPLIB wskazują na wysoką efektywność zaproponowanej metody.
EN
This paper investigates a new advanced swarm algorithm for optimization of permutation problems. The introduction in algorithms the expected value of objective function allows effective evaluation of quality of partially fixed solutions. The parameter can be used as auxiliary criterion for selection and construction of new solutions, increasing the effectiveness of designed algorithms. The experiments were performed for standard test problems of quadratic assignment problems (QAP).
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.